如何解决pandas str.contains筛选字符串无法精确匹配的问题

问题原因 #

你之前的代码有两个问题导致匹配不精确：

• str.contains默认使用正则匹配，你目标字符串中的.是正则通配符，会匹配任意单个字符，无法精确匹配字面量的点
• 没有限制匹配内容的边界，导致会命中P:341.、R:ESB.这类包含目标子串的不相关内容

解决方案 #

首先需要转义目标字符串中的正则特殊字符，再添加边界匹配规则，确保只命中完整的独立目标字符串，修改后代码如下：

import re

# 建议不要用list作为变量名，避免覆盖Python内置list函数
target_list = ['P:34.', 'R:ES.']

# 构造精确匹配的正则模式
# re.escape转义正则特殊字符，前后断言限制匹配边界为字符串首尾/空格
pattern = '|'.join([fr'(?<=^| ){re.escape(s)}(?=$| )' for s in target_list])

# 执行筛选
df_exact_match = df[df.Code.str.contains(pattern, na=False)]

规则说明 #

• re.escape()：自动将目标字符串中的正则特殊字符（如.、*、+等）转义为字面量，避免被识别为正则语法
• (?<=^| )：正向后视断言，要求匹配内容的前侧要么是字符串开头，要么是空格
• (?=$| )：正向前瞻断言，要求匹配内容的后侧要么是字符串结尾，要么是空格

如果你的Code列中字符串的分隔符包含制表符等其他空白字符，可以把断言中的空格替换为\s，适配所有空白分隔场景。

内容的提问来源于stack exchange，提问作者fjurt